Veriyi modelden önce gerçekten tanı
Modelleme öncesi kritik aşama olan keşifsel veri analizini Python ile öğreten orta seviye eğitim: betimsel istatistik, histogram/KDE/boxplot ile dağılım, korelasyon ve pairplot ile ilişki keşfi, eksik ve aykırı değer teşhisi ve dönüşümlerle modellemeye köprü.
Dağılım, görselleştirme, korelasyon ve aykırı değer keşfi
Bu orta seviye eğitim, modelleme öncesi en kritik aşama olan keşifsel veri analizini (EDA) Python ile uygulamalı öğretir. Değişken türleri, betimsel istatistik, tek değişkenli dağılım incelemesi (histogram, KDE, boxplot) işlenir. Ardından iki değişkenli ve çok değişkenli ilişkiler (scatter, korelasyon matrisi, pairplot), kategorik-sayısal ilişki analizi, eksik ve aykırı değer tespiti (IQR, z-skoru), çarpıklık ve dönüşümler, veri kalitesi değerlendirmesi ve bulguların hipoteze dönüştürülmesi ele alınır. Katılımcı, bir veri setini sistematik keşfedip model için içgörü ve veri kalitesi raporu çıkarabilir.
3 Gün. Her gün dört modül; katılımcılar tek değişkenli keşiften çok değişkenli ilişki analizine ilerler.
Orta Seviye — Python ile keşifsel veri analizi: dağılım inceleme, görselleştirme, ilişki keşfi ve veri kalitesinin ele alınması.
Katılımcılar gerçek veri setleri üzerinde pandas ve seaborn ile keşif ve görselleştirme yaparak öğrenir.
Modellemeden önce veriyi sistematik keşfetmeyi öğrenirsiniz.
Dağılım ve ilişkileri doğru grafiklerle ortaya çıkarırsınız.
Eksik, aykırı ve çarpık veriyi tespit edip ele alırsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Temel Python ve pandas aşinalığı faydalıdır.
Ortalama, dağılım ve korelasyon kavramlarına aşinalık yararlıdır.
Jupyter/Colab kullanımına aşinalık avantaj sağlar.
Python, pandas, matplotlib ve seaborn kurulu bir ortam.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Keşifsel analizi sistematik ve tekrarlanabilir kurgularsınız.
Histogram, KDE ve boxplot ile dağılımları yorumlarsınız.
Konum, yayılım ve çarpıklık ölçülerini okursunuz.
Korelasyon ve scatter ile ilişkileri ortaya çıkarırsınız.
Heatmap ve pairplot ile örüntüleri keşfedersiniz.
Eksik ve aykırı değerleri teşhis edip ele alırsınız.
Log ve ölçekleme ile veriyi modele hazırlarsınız.
Bulguları hipotez ve kalite raporuna dönüştürürsünüz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
VLOOKUP, XLOOKUP, INDEX/MATCH, SQL JOIN ve Power Query merge ile veriyi referans tablolardan zenginleştirin. Eşleşme hatalarını ve veri kalitesini yönetin.
Detayları Gör →
Varlık-ilişki modelleme, normalizasyon, boyutsal modelleme ve parent-child hiyerarşilerle sağlam veri modelleri tasarlamayı uygulamalı öğrenin.
Detayları Gör →
Metrik ve log toplama, zaman serisi izleme, uyarı kurma ve KVKK uyumlu veri saklama (retention) politikalarını uçtan uca tasarlamayı uygulamalı öğrenin.
Detayları Gör →
WrenAI semantik modeli ve text-to-SQL ile eski BI'yı modernleştirin; rapor envanteri, mantık taşıma, paralel çalışma ve değişiklik yönetimini planlayın.
Detayları Gör →
Tanımlayıcı, teşhis ve tahmine dayalı analitikle KPI tasarlayın, trend ve segment okuyun ve iş kararlarını veriyle destekleyin. Temel iş analitiği eğitimi.
Detayları Gör →